6 Sampling Configuration Space: 6.4 Adaptive Steered Molecular Dynamics

6.4 Adaptive Steered Molecular Dynamics  

理论背景：

    SMD 利用施加steering力的伪粒子，以便以特定速度穿过反应坐标。 这个外力允许人们在MD模拟时间尺度的范围内观察分子的变化。 采用 Jarzynski 等式，在 SMD 模拟期间对系统执行的非平衡功可能与状态 A 和 B 之间的自由能差有关

    ASMD整体感觉相当于“多条SMD+JE等式，然后取平均” 的另一种方式。对于SMD来说，必须多次运行，才能获得收敛的PMF曲线。ASMD已经被证明可以缓解这个问题，在ASMD中，预定的反应坐标被划分为段，在这些段中执行SMD，并在这个段中计算Jarzynski average (JA) 。在段之间，选择“work value”最接近JA平均值的轨迹，使用这个轨迹的最终坐标rst7用于初始化下一段的SMD。  这样，可以减少需要执行的SMD轨迹数量。

 

从 ASMD 模拟中获得的PMF（红色）示意图。 此外，突出显示的是每个段的work 分布（黑色）

 

计算过程：

1、首先对体系进行经典的MD，获得平衡构型。

2、执行ASMD

    这一部分可以参考官网（http://ambermd.org/tutorials/advanced/tutorial26/section2.php），给出了shell脚本，可以方便地产生不同阶段的输入。

    大致过程就是先将反应坐标分为若干段。首先考察第一段，运行多次SMD后，使用脚本计算Jarzynski average (JA)，然后找到与JA最接近的SMD轨迹，然后使用这个SMD轨迹的最后一帧作为考察第二段的初始坐标，依次往后进行。

    注意：①确定拉动速度→比如说100埃/ns，一共要拉伸4埃，那么拉伸的时间就设置为20000步（40000fs）②SMD会自动产生“目标距离，实际距离，力，和功”

3、重构PMF

    ASMD完成后，需要拼接每个阶段的PMF输出，以获得不同速度下每个模拟的实际 PMF。这里提供了脚本 create.PMF.py. ，可以轻松完成这个工作。